Cluster ensembles: A survey of approaches with recent extensions and applications

گروه های خوشه ای بهتر از هر الگوریتم خوشه بندی استاندارد در بهبود دقت و استحکام در مجموعه داده های مختلف نشان داده شده است. این فرمالیزم فراشناختی همچنین به کاربران کمک می کند تا با برداشتن مجموعه داده هایی که مورد بررسی قرار می گیرند، از برطرف کردن معضل انتخاب یک روش مناسب و پارامترهای مربوطه غلبه کنند. تقریبا دو دهه پس از اولین انتشار یک نوع، این روش برای بسیاری از حوزه های مشکل ساز، مخصوصا برای تجزیه و تحلیل داده های میکروارگالی و برنامه های کاربردی آن، اثربخش است. به تازگی، از لحاظ مدل سازی نظری و استقرار به حل مسئله، تا حد زیادی گسترش یافته است. این تحقیق تلاش می کند تا با توجه به این نکته ظهور با ارائه مبانی اساسی و جزئیات نظری از روش های پیشرفته ترین موجود در ادبیات حاضر مطابقت داشته باشد. این مجموعه محدوده های استراتژی تولید گروه، خلاصه سازی و نمایندگی اعضای گروه و همچنین موضوع خوشه بندی اجماع را ارائه می دهد. این بررسی همچنین شامل برنامه های کاربردی مختلف و گسترش گروه خوشه ای، با چندین مسئله تحقیق و چالش های برجسته شده است.